地面穿透雷达(GPR)已被用作树根检验的非破坏性工具。从GPR Radargrams估算从GPR Radargrams的与根系相关的参数都促进了根系健康监测和成像。然而,随着根反射是多根参数和根方向的复杂函数,估计根相关参数的任务是具有挑战性的。现有方法只能在不考虑其他参数和根取向的影响的时间内估计单根参数,导致不同根状况下的估计精度有限。此外,土壤异质性在GPR雷达格中引入了杂波,使数据处理和解释甚至更难。为了解决这些问题,提出了一种名为掩模引导的多偏振积分神经网络(MMI-Net)的新型神经网络架构,以自动估计异构土壤环境中的多个与多种根相关参数。 MMI-Net包括两个子网络:一个掩码,用于预测掩模以突出显示根反射区域以消除干扰环境杂波,以及使用预测掩码的Paranet作为集成,提取,并强调多个中的信息特征的指导Polariemetric radargrams,用于精确估计五个关键的根系相关参数。参数包括根深度,直径,相对介电常数,水平和垂直方向角。实验结果表明,所提出的MMI-Net在这些与相关参数中实现了高估计精度。这是第一项工作,它考虑了根参数和空间方向的组合贡献,并同时估计多个与多个与根相关的参数。本文中实现的数据和代码可以在https://haihan-sun.github.io/gpr.html中找到。
translated by 谷歌翻译